一、理解埋点
所谓埋点就是在应用中特定的流程收集一些信息，用来跟踪应用使用的状况，后续用来进一步优化产品或是提供运营的数据支撑，包括访问数（Visits），访客数（Visitor），停留时长（Time On Site），页面浏览数（Page Views）和跳出率（Bounce Rate）。这样的信息收集可以大致分为两种：页面统计（track this virtual page view），统计操作行为（track this button by an event）。
二、埋点方式
第一种：自己公司研发在产品中注入代码统计，并搭建起相应的后台查询。
代码埋点/命令式埋点/局部埋点：
通过代码的方式在页面中嵌入逻辑，比如捕获一个点击事件，在这个点击事件之前加入代码埋点,上报给后台。
无痕埋点/声明式埋点/全局埋点：
无痕埋点又叫全埋点，网上又很多文章写的都是无痕埋点是将所有事件的操作全部上报，但是我们在实现的过程中肯定是不会监听那么多的事件吧，但是好像也有第三方服务商sdk集成了所有事件。
定制埋点：如检测到某个子系统我们进行埋点，或相反-检测到某个子系统不埋点；检测到某个页面进行埋点，或相反-检测到某个页面不埋点。
第二种：第三方统计工具，如友盟、神策、Talkingdata、GrowingIO等。
埋点tracker：前端埋点服务-技术要点梳理_snow@li的博客-CSDN博客
三、关键指标
3.1、访问与访客
访问次数（Visits）与访问人数（Vistors）。
对于应用的统计来说，经常看到的DAU，MAU，UV等指标都是指统计访客（Vistors）。
访问（Visits）是指会话层，用户打开应用花一段时间浏览又离开，从指标定义（访问次数）来说这被称之为统计会话（Session）数。
一次会话（Session 或 Visit）是打开应用的第一个请求（打开应用）和最后一个请求决定的。如果用户打开应用然后放下手机或是离开电脑，并在接下来30分钟内没有任何动作，此次会话自动结束，通常也算作一次访问或会话期（30分钟是早起网页版应用约定俗成的会话数定义，目前用户停留在应用的时长变长，30分钟的限定也可能随之不同，总之是能代表一次用户访问的时长）。
在计算访问人数（Vistors）时，埋点上报的数据是尽可能接近真实访客的人数。对于有需要统计独立访客这个指标的场景，这里还是需要强调一下，访问人数（Vistors）并不是真实独立的人，因此收集数据时必须知道访问人数虽然能够很好的反映使用应用的真实访问者的数量，但不等于使用应用的真实人数。（原因是，重复安装的应用，或是手机参数被修改都会使得独立访客的指标收到影响。计算访问人数的埋点都是依赖Cookie，用户打开应用，应用都会在此人的终端创建一个独立Cookie, Cookie会被保留，但还是难免会被用户手动清理或是Cookie被禁用导致同一用户使用应用Cookie不一致，所以独立访客只能高度接近于使用应用的真实人数。）
3.2、停留时长
停留时长用来衡量用户在应用的某一个页面或是一次访问（会话）所停留的时间。
页面停留时长，表示在每个页面所花费的时间；例如：首页就是进入首页（8：00）到离开首页进入下一个页面(8:01)的时长，首页停留时长计算为1分钟。页面A是2分钟。停留时长的数据并不都是一定采集得到的，比如页面B进入时间（8：03），离开出现异常或是退出时间没有记录，这时候计算就是0 （所以指标计算时需要了解埋点的状况，剔除这样的无效数据）。
应用的停留时长，表示一次访问（会话）所停留的时间，计算起来就是所有页面的访问时长，应用的停留时长就是4分钟。
3.3、跳出率
跳出率的计算方法现在在各个公司还是很多种，最经常被使用的是：用户只访问了一个页面所占的会话比例（原因是：假设这种场景，用户来了访问了一个页面就离开了，想想用户使用的心里画面应该是：打开应用，感觉莫名其妙，然后关闭应用甚至卸载了。这个场景多可怕，这也是为什么跳出率指标被如此关注）
跳出率可以分解到两个层次：一是整个应用的跳出率，二是重点的着陆页的跳出率，甚至是搜索关键词的跳出率。跳出率的指标可操作性非常强，通过统计跳出率可以直接发现页面的问题发现关键词的问题。
3.4、退出率
退出率是针对页面的，这个指标的目标很简单，就是在针对某个页面有多少用户离开了应用，主要用户反映用户从应用离开的情况。哪些页面需要被改进最快的方式被发掘。（注意：退出率高不一定是坏事。例如：预测流程的最终节点的退出率就应该是高的）
3.5、转化率
我们在产品上投入这么多，不就是为了衡量产出么？所以对于电商类应用，还有比转化率更值得关注的指标吗？转化率的计算方法是某种产出除以独立访客或是访问量，对于电商产品来说，就是提交订单用户数除以独立访客。
转化率的计算看起来想到那简单，但却是埋点中最贴近业务的数据收集。这也是最体现埋点技巧的指标，需要结合业务特点制定计算方法。提交订单量/访客数是最基本的转化率，转化率还可以分层次，指定用户路径的，如：完成某条路径的提交订单数/访客数。
试着找一条路径，想想转化率的数据怎么得来的吧，埋点都收集了什么样的数据吧？
3.6、参与度
参与度并不是一个指标，而是一系列的指标的统称，例如访问深度，访问频次，针对电商的下单次数，针对内容服务商的播放次数，及用户行为序列这些都可以是衡量参与度的指标。之所以把参与度列为一个指标，是希望大家明白把指标结合业务，产生化学反应，活学活用去发现事物的本质。
3.7、埋点的内容
看完关键的这些指标后，其实埋点大致分为两部分，一部分是统计应用页面访问情况，即页面统计，随页面访问动作发生时进行上报；另外一部分是统计应用内的操作行为，在页面中操作时进行上报（例如：组件曝光时，组件点击时，上滑，下滑时）。
为了统计到所需要的指标，应用中的所有页面，事件都被唯一标记，用户的信息，设备的信息，时间参数以及符合业务需要的参数具体内容被附加上报，就是埋点。
四、哪些事件需要埋点
| 事件 | 描述 |
| click | 点击事件，打开页面 |
| search | 搜索事件 |
| download | 下载事件 |
| save | 修改、保存 |
| view | 查看事件、查看数据详情 |
| refund | 退款事件 |
| create | 新增事件 |
| login | 登录事件 |
| logout | 退出事件 |
五、埋点采集的 7 个步骤
1、确定场景
2、数据采集规划
3、埋点采集数据
4、数据评估数据分析
5、给出优化方案
6、实施优化方案
7、持续检测评估
通过用户不断的操作，形成一个越来越清楚的用户画像
六、不要过分追求完美
关于埋点数据有一点至关重要，埋点是为了更好地使用数据，不要试图得到精准的数据要得到的是高质量的埋点数据，前面讨论跳出率就是这个例子，得到能得到的数据，用不完美的数据来达成下一步的行动，追求的是高质量而不是精确。这是很多数据产品容易入坑的地，要经常提醒自己。
七、C知道，问答：
7.1、问：前端埋点和分割的实现？
前端埋点是指在网页或者移动应用中收集用户行为数据的技术，常用于统计用户操作情况、错误信息等。
实现方法包括：
1、使用 JavaScript 代码在页面中添加事件监听器，当用户进行特定的行为时，通过代码上报数据。
2、使用第三方埋点工具，如百度统计、Google Analytics等，来实现埋点。
前端分析，是指对前端采集的数据进行分析，以深入了解用户行为和网站性能。
实现方法包括：
1、导出前端数据到数据分析工具，如数据仓库、数据可视化工具等，进行数据分析。
7.2、前端埋点的基础指标有哪些？
前端埋点的基础指标包括页面PV、UV、页面停留时间、页面跳出率、用户行为路径、用户点击量、错误率等。
7.3、前端埋点的业务指标有哪些？
前端埋点的业务指标包括页面PV、UV、页面停留时间、用户行为路径、用户转化率、页面加载时间、错误率、用户留存率等。
八、过程记录
记录一、相关概念
uv（Unique visitor）
是指通过互联网访问、浏览这个网页的自然人。访问您网站的一台电脑客户端为一个访客。00:00-24:00内相同的客户端只被计算一次。一天内同个访客多次访问仅计算一个UV。
IP（Internet Protocol）
独立IP是指访问过某站点的IP总数，以用户的IP地址作为统计依据。00:00-24:00内相同IP地址之被计算一次。
UV与IP区别
如：你和你的家人用各自的账号在同一台电脑上登录新浪微博，则
IP数+1，UV数+2。由于使用的是同一台电脑，所以IP不变，但使用的不同账号，所以UV+2
PV（Page View）
即页面浏览量或点击量，用户每1次对网站中的每个网页访问均被记录1个PV。用户对同一页面的多次访问，访问量累计，用以衡量网站用户访问的网页数量。
VV（Visit View）
用以统计所有访客1天内访问网站的次数。当访客完成所有浏览并最终关掉该网站的所有页面时便完成了一次访问，同一访客1天内可能有多次访问行为，访问次数累计。
PV与VV区别
如：你今天10点钟打开了百度，访问了它的三个页面；11点钟又打开了百度，访问了它的两个页面，则PV数+5，VV数+2.PV是指页面的浏览次数，VV是指你访问网站的次数。参考链接：
记录二、监听浏览器返回按钮
